TalkMoves是一款应用程序设计用于支持K-12数学教师反思和持续改进他们的教学实践。该应用程序结合了最先进的自然语言处理技术和自动语音识别技术，自动分析课堂录音，并为教师提供有关他们使用特定类型的讨论来扩宽和深化数学课堂对话的个性化反馈。

Apr, 2021

通过计算分析，我们提出了一个框架来衡量教师-学生交互式对话中的引用行为，并通过应用到不同领域的教育数据集中验证了该方法的有效性，为教师的自动化专业发展提供了证据。

Jun, 2021

本文描述了一个用于理解 K-12 数学课堂中教师和学生话语的数据集，并使用它开发了TalkMoves应用程序，该应用程序可为教师提供关于他们的数学教学的自动、即时和可操作反馈。

Apr, 2022

本文介绍了响应式教学中的漏斗和聚焦问题，提出了使用RoBERTa模型对教师言语中的漏斗和聚焦问题进行自动检测，并使用训练集fine-tune RoBERTa模型。结果表明，该模型可以作为自动化教师反馈工具的有力支持。

Jul, 2022

本文介绍了一种用于收集大型语言模型生成对话的框架，用来收集MathDial数据集，这个数据集由约1.5k个多步骤数学词问题的辅导对话组成，并展示了该数据集具有丰富的教学特性，可以用于调整语言模型以成为更有效的辅导员，并强调了需要解决研究共同体的挑战。

May, 2023

本研究提供了一个大的数据集，开发了一种标准对学生的评论进行分类，并提出了一种使用大型语言模型进行评论分类的最佳实践，从而建立了一个低成本的定量研究自动化体系，来处理海量的在线学生反馈。

Jun, 2023

本研究旨在通过使用NLP技术自动生成课堂讨论质量的评估得分，对90个课堂讨论文本记录进行分析和评估，在焦点为四个评估材料的基础上，研究表明在某些方面有了令人鼓舞的结果，同时也发现在其他方面还有进一步的改进空间。

Jun, 2023

用RoBERTa和GPT模型fine-tune五个教学对话技巧，来帮助在线平台上受限于教学培训的初级教师提供一致而个性化的反馈，研究结果表明教师的对话技巧与学生的学习成果有正向相关性，其中连接学生的想法对学生的积极影响最大。

Nov, 2023

该研究探讨了大型语言模型（LLM），特别是GPT-4，在课堂对话分析中的应用，这是教学诊断和质量改进的关键研究任务。研究发现传统定性方法在教育研究中具有知识密集和劳动密集的特点，调查了LLM在简化和增强分析过程方面的潜力。通过对中学的数据集进行分析，包括数学和语文课堂的对话，该研究对人工编码的对话进行了评估，并使用定制的GPT-4模型进行了分析。该研究重点比较了手动注释和GPT-4输出，以评估其在教育对话分析中的有效性。评估了GPT-4的时间效率、编码者间一致性和编码者间可靠性。结果表明，使用GPT-4能够显著节省时间，并且模型与人工编码者之间具有高度的一致性，尽管在某些代码上存在差异。这些发现凸显了LLM在教学评估和促进方面的巨大潜力。

Feb, 2024

评估教学质量是教育系统改进的基本组成部分。本研究首次运用自然语言处理技术来评估两种不同教育环境中的多项高推断教学实践，包括线下K-12班级和面向未来教师的模拟表现任务，并将NLP应用于广泛认可对特殊需要学生特别有效的教学实践的度量。结果表明，预训练语言模型在较为离散且需要较低推断的变量上表现与人类评分者的一致性相当，但在更复杂的教学实践上表现逐渐减弱。有趣的是，仅使用教师的话语作为输入对学生中心的变量产生了强大的结果，缓解了在线下教学环境中收集和转录高质量学生语音数据的难度问题。本研究发现了当前教育领域自然语言处理技术的潜力和局限性，并为进一步研究开辟了新的途径。

Apr, 2024